maria joana soares
1 Sistemas Lineares 1
1.1 Introdu¸c˜ao . . . 1
1.2 Elimina¸c˜ao Gaussiana . . . 4
1.2.1 Matriz simples e matriz ampliada de um sistema . . . 5
1.2.2 Matrizes em escada . . . 8
1.2.3 Caracter´ıstica de uma matriz . . . 11
1.3 Resolu¸c˜ao de sistemas com matriz em escada . . . 12
1.4 M´etodo de Gauss-Jordan . . . 17
1.5 Sistemas homog´eneos . . . 23
1.5.1 Sistemas com matriz quadrada . . . 25
1.6 Exerc´ıcios . . . 26
2 Matrizes 31 2.1 Conceitos b´asicos . . . 31
2.2 Opera¸c˜oes com matrizes . . . 34
2.2.1 Adi¸c˜ao de matrizes . . . 34
2.2.2 Multiplica¸c˜ao escalar . . . 36
2.2.4 Produto de matrizes . . . 39
2.2.5 Sistemas lineares de novo . . . 46
2.3 Matrizes invert´ıveis . . . 48
2.4 Exerc´ıcios . . . 52
3 Determinantes 59 3.1 Conceitos b´asicos . . . 59
3.2 Determinantes de algumas matrizes especiais . . . 66
3.3 Determinantes e opera¸c˜oes elementares . . . 67
3.3.1 Determinante, caracter´ıstica e invertibilidade . . . 67
3.3.2 C´alculo de determinantes usando opera¸c˜oes elementares . . . 69
3.4 Teorema de Laplace . . . 69
3.5 Determinante do produto de matrizes . . . 73
3.6 Exerc´ıcios . . . 73
4 Espa¸cos Vectoriais 77 4.1 O espa¸co vectorial Rn . . . 77
4.2 Defini¸c˜ao de espa¸co vectorial . . . 78
4.3 Subespa¸cos vectoriais . . . 83
4.4 Dependˆencia e independˆencia linear . . . 96
4.5 Bases e dimens˜ao . . . 101
4.6 Espa¸cos associados a uma matriz . . . 107
4.7 Exerc´ıcios . . . 110
5 Transforma¸c˜oes Lineares 115 5.1 Generalidades . . . 115
5.2 N´ucleo e espa¸co imagem . . . 118
5.3 Representa¸c˜ao matricial de transforma¸c˜oes lineares . . . 119
5.5 Exerc´ıcios . . . 124
6 Valores e Vectores Pr´oprios 127 6.1 Generalidades . . . 127
6.2 Subespa¸cos pr´oprios . . . 129
6.3 Matrizes diagonaliz´aveis . . . 130
6.4 Exerc´ıcios . . . 132
7 Solu¸c˜oes dos Exerc´ıcios 135 7.1 Cap´ıtulo 1 . . . 135 7.2 Cap´ıtulo 2 . . . 139 7.3 Cap´ıtulo 3 . . . 143 7.4 Cap´ıtulo 4 . . . 145 7.5 Cap´ıtulo 5 . . . 148 7.6 Cap´ıtulo 6 . . . 150 Bibliografia 153 ´Indice 154
Sistemas Lineares
1.1 Introdu¸c˜ao
Um problema muito importante em diversas ´areas das Ciˆencias e Engenharia ´e o da resolu¸c˜ao de sistemas de equa¸c˜oes lineares, sobre o qual nos debru¸caremos neste primeiro cap´ıtulo.
Comecemos por relembrar que uma equa¸c˜ao linear nas vari´aveis (ou inc´ognitas) x1, x2, . . . , xn ´
e uma equa¸c˜ao que pode ser escrita na forma
a1x1+ a2x2+ · · · + anxn= b, (1.1) onde a1, a2, . . . , an e b s˜ao n´umeros dados.1 As constantes a1, a2, . . . an s˜ao os coeficientes das inc´ognitas e b ´e o termo independente.
Exemplo 1.1. A equa¸c˜ao
2x1+ x2− x3= 5 ´
e uma equa¸c˜ao linear nas vari´aveis x1, x2 e x3. As equa¸c˜oes 2x1x2+ 5x3 = 4 e
cos x1+ x2− x3 = 3 n˜ao s˜ao lineares.
Uma solu¸c˜ao da equa¸c˜ao (1.1) ´e uma lista ordenada de n n´umeros (isto ´e, aquilo a que chamamos um n-uplo ordenado) (s1, s2, . . . , sn) tais que as substitui¸c˜oes xi = si, i = 1, . . . , n, transformam a equa¸c˜ao numa proposi¸c˜ao verdadeira, isto ´e, tais que
a1s1+ a2s2+ . . . + ansn= b. Exemplo 1.2. Consideremos a equa¸c˜ao
2x1+ x2 = 5.
Ent˜ao, (1, 1) n˜ao ´e solu¸c˜ao dessa equa¸c˜ao, uma vez que 2 × 1 + 1 = 3 6= 5, mas (1, 3) ´e solu¸c˜ao, j´a que 2 × 1 + 3 = 5. De facto, qualquer que seja k ∈ R, (k, 5 − 2k) ´e solu¸c˜ao desta equa¸c˜ao. Vemos, assim, que a equa¸c˜ao admite uma infinidade de solu¸c˜oes.
Um sistema de equa¸c˜oes lineares ´e uma colec¸c˜ao finita de equa¸c˜oes lineares (todas nas mesmas inc´ognitas) consideradas em conjunto:
a11x1+ a12x2+ · · · + a1nxn= b1 a21x1+ a22x2+ · · · + a2nxn= b2 .. . am1x1+ am2x2+ · · · + amnxn= bm , (1.2)
onde aij e bi s˜ao n´umeros dados. Os xi’s s˜ao as vari´aveis (ou inc´ognitas) que pretende-mos determinar, aij ´e o coeficiente da inc´ognita xj na i-´esima equa¸c˜ao, sendo bi o termo independente dessa mesma equa¸c˜ao.
Uma solu¸c˜ao do sistema ´e um n-uplo ordenado de n´umeros que ´e solu¸c˜ao de todas as equa¸c˜oes que constituem o sistema.
Para um sistema de equa¸c˜oes lineares, existem trˆes possibilidades, no que diz respeito `as suas solu¸c˜oes:
• o sistema n˜ao admite solu¸c˜ao; diz-se, neste caso, que ´e imposs´ıvel ou inconsistente; • o sistema admite uma e uma s´o solu¸c˜ao, caso em que se diz poss´ıvel e determinado; • o sistema admite uma infinidade de solu¸c˜oes, dizendo-se, ent˜ao, poss´ıvel e indeterminado. Pode provar-se que, se um sistema linear tem mais do que uma solu¸c˜ao, ent˜ao tem um n´umero infinito de solu¸c˜oes, n˜ao sendo poss´ıvel que um sistema tenha, por exemplo, exactamente duas solu¸c˜oes distintas.
Exemplo 1.3. O sistema
( x1+ x2= 2 x1+ x2= 4 ´
e um sistema imposs´ıvel, uma vez que n˜ao existem dois n´umeros n´umeros cuja soma seja, simultaneamente, igual a 2 e a 4, ou seja, a exigˆencia sobre as vari´aveis imposta por uma das equa¸c˜oes ´e incompat´ıvel com a da outra equa¸c˜ao. Considere-se agora o sistema
(
x1+ x2 = 2 2x1+ 2x2 = 4 .
Verificamos facilmente que a “informa¸c˜ao”fornecida pela primeira equa¸c˜ao ´e idˆentica `a da segunda, uma vez que, quaisquer que sejam os n´umeros s1 e s2, se tem
2s1+ 2s2= 4 ⇐⇒ 2(s1+ s2) = 4 ⇐⇒ s1+ s2 = 2,
pelo que qualquer par de n´umeros ´e solu¸c˜ao da primeira equa¸c˜ao se e s´o se tamb´em for solu¸c˜ao da segunda. Na pr´atica, tudo se passa como se dispus´essemos apenas de uma equa¸c˜ao nas duas inc´ognitas x1 e x2, a equa¸c˜ao x1+ x2= 2, sendo f´acil de verificar que ser´a solu¸c˜ao dessa equa¸c˜ao qualquer par da forma (2 − k, k), com k ∈ R. Este sistema ´e, portanto, poss´ıvel e indeterminado. Finalmente, se considerarmos o sistema
( x1+ x2 = 2 2x2 = 4 ,
vemos que da segunda equa¸c˜ao, 2x2 = 4, resulta que x2 = 2; sendo x2 = 2, ter-se-´a, da primeira equa¸c˜ao
x1+ 2 = 2 ⇐⇒ x1 = 0.
Vemos, assim, que (0, 2) ´e a ´unica solu¸c˜ao deste sistema, o qual ´e, portanto, poss´ıvel e determinado.
Quando lidamos com sistemas de equa¸c˜oes lineares, estamos geralmente interessados, numa primeira fase, em saber a qual das categorias acima referidas pertence o sistema: ´e o que chamamos discutir o sistema. Sendo o sistema poss´ıvel, pretendemos geralmente, determinar a sua solu¸c˜ao, caso seja determinado, ou descrever o conjunto de todas as suas solu¸c˜oes, caso ele seja indeterminado: trata-se de resolver o sistema.
1.2 Elimina¸c˜ao Gaussiana
Defini¸c˜ao 1.1. Dois sistemas de equa¸c˜oes lineares dizem-se equivalentes se e s´o se tiverem o mesmo conjunto de solu¸c˜oes.
O m´etodo de elimina¸c˜ao de Gauss (ou dde elimina¸c˜ao Gaussiana) ´e um processo sistem´atico de transformar um dado sistema num sistema equivalente, mas com uma forma que facilite a sua discuss˜ao e resolu¸c˜ao.
O m´etodo baseia-se no uso das chamadas opera¸c˜oes elementares de um sistema. Existem trˆes tipos de opera¸c˜oes elementares que podem ser efectuadas num sistema:
1. troca da ordem de equa¸c˜oes;
2. multiplica¸c˜ao de uma equa¸c˜ao por um n´umero diferente de zero; 3. adi¸c˜ao a uma equa¸c˜ao de outra equa¸c˜ao multiplicada por um n´umero.
A importˆancia das opera¸c˜oes elementares de um sistema ´e estabelecida no seguinte teorema (cuja demonstra¸c˜ao omitimos).
Teorema 1.1 (Princ´ıpio de Equivalˆencia de Sistemas). Se, dado um sistema de equa¸c˜oes lineares, efectuarmos sobre ele uma sequˆencia finita de opera¸c˜oes elementares, obtemos um sistema equivalente ao primeiro.
Vejamos um exemplo muito simples de utiliza¸c˜ao de opera¸c˜oes elementares para a redu¸c˜ao de um sistema a uma forma adequada `a sua resolu¸c˜ao.
Exemplo 1.4. Consideremos o sistema 2x1 + x2 + x3 = 1 6x1 + 2x2 + x3 = −1 −2x1 + 2x2 + x3 = 7 .
Comecemos por tentar “eliminar”a inc´ognita x1 das segunda e terceira equa¸c˜oes, adicionan-do-lhes m´ultiplos adequados da primeira. Se adicionarmos `a segunda equa¸c˜ao a primeira multiplicada por −3 e adicionarmos a primeira equa¸c˜ao `a terceira, obtemos o seguinte sistema
2x1 + x2 + x3 = 1 − x2 − 2x3 = −4 3x2 + 2x3 = 8 .
O nosso pr´oximo objectivo ´e eliminar a inc´ognita x2 da terceira equa¸c˜ao, adicionando-lhe um m´ultiplo da segunda equa¸c˜ao. Para tal, bastar-nos-´a adicionar `a terceira equa¸c˜ao a segunda multiplicada por 3, resultando no seguinte sistema:
2x1 + x2 + x3 = 1 − x2 − 2x3 = −4 − 4x3 = −4 .
Neste ponto, dizemos que o sistema foi triangularizado ou que tem a forma triangular (su-perior). Um sistema triangular superior resolve-se muito facilmente pelo chamado m´etodo de substitui¸c˜ao inversa: da ´ultima equa¸c˜ao (que envolve apenas a ´ultima inc´ognita) retira-se o valor da ´ultima inc´ognita; este valor ´e substitu´ıdo na pen´ultima equa¸c˜ao, sendo esta resolvida para obter o valor da pen´ultima inc´ognita; os valores destas inc´ognitas substituem-se ent˜ao na equa¸c˜ao anterior para retirar o valor da pr´oxima inc´ognita, continuando-se, de forma an´aloga, at´e que todos os valores das inc´ognitas sejam encontrados. No nosso exemplo, da ´ultima equa¸c˜ao
−4x3 = −4 resulta x3 = 1. Substituindo na segunda equa¸c˜ao, vem
−x2− 2(1) = −4 ⇐⇒ −x2 = −4 + 2 ⇐⇒ −x2 = −2 ⇐⇒ x2= 2. Finalmente, substituindo os valores x2= 2 e x3 = 1 na primeira equa¸c˜ao, vem
2x1+ 2 + 1 = 1 ⇐⇒ 2x1= −2 ⇐⇒ x1 = −1.
Assim, vemos que o sistema dado ´e poss´ıvel e determinado, sendo (−1, 2, 1) a sua ´unica solu¸c˜ao.
1.2.1 Matriz simples e matriz ampliada de um sistema
Ao aplicarmos as opera¸c˜oes elementares sobre um sistema verificamos que estas apenas afectam os coeficientes das inc´ognitas e os termos independentes, n˜ao havendo, portanto necessidade de escrever os s´ımbolos “xi”e “=”em cada passo. Por exemplo, se consideramos o seguinte sistema de equa¸c˜oes
3x1 + x2 − x3 = 4
5x1 + 2x3 = 5
, bastar´a apenas considerar o seguinte quadro de n´umeros
3 1 −1 4
5 0 2 5
.
Um quadro rectangular de m × n n´umeros dispostos em m linhas e n colunas chama-se uma matriz de ordem m × n.2 Escreve-se, por vezes Am×n para indicar que A ´e de ordem m × n. Os n´umeros que formam esse quadro s˜ao chamados elementos da matriz. Se A ´e uma dada matriz, ´e usual usar aij para denotar os respectivos elementos: o primeiro ´ındice indica a que linha pertence o elemento e o segundo refere-se `a coluna em que se situa o elemento. No pr´oximo cap´ıtulo, dedicar-nos-emos ao estudo pormenorizado de matrizes; neste cap´ıtulo, apenas nos interessam as matrizes associadas a sistemas. Os elementos da matriz aparecem rodeados, quer por parˆenteses curvos (como no exemplo acima), quer por parˆenteses rectos. Assim, uma forma alternativa de representar a matriz acima dada ´e a seguinte:
3 1 −1 4 5 0 2 5 . Dado um sistema a11x1+ a12x2+ · · · + a1nxn= b1 a21x1+ a22x2+ · · · + a2nxn= b2 .. . am1x1+ am2x2+ · · · + amnxn= bm , `
a matriz formada pelos coeficientes das inc´ognitas a11 a12 · · · a1n a21 a22 · · · a2n .. . ... ... ... am1 am2 · · · amn
chamamos matriz simples do sistema e `a matriz a11 a12 · · · a1n b1 a21 a22 · · · a2n b2 .. . ... ... ... ... am1 am2 · · · amn bm
chamamos matriz ampliada do sistema. Se A designar a matriz simples do sistema e b for a matriz m×1 (uma matriz deste tipo ´e chamada uma matriz coluna) dos termos independentes, designamos a matriz ampliada do sistema por (A b). Ao formar-se a matriz ampliada, ´e frequente separar-se, por uma linha vertical, a parte correspondente `a matriz simples, da
coluna dos termos independentes, para destacar o papel especial desta ´ultima coluna, isto ´e, a matriz ampliada do sistema ´e escrita na forma
a11 a12 · · · a1n b1 a21 a22 · · · a2n b2 .. . ... ... ... ... am1 am2 · · · amn bm ,
usando-se, ent˜ao, a nota¸c˜ao (A|b) para a designar. `
As opera¸c˜oes elementares de sistemas correspondem, naturalmente, opera¸c˜oes nas linhas da matriz ampliada. Por exemplo, `a multiplica¸c˜ao de uma equa¸c˜ao por um n´umero diferente de zero corresponde a multiplica¸c˜ao (de todos os elementos) da linha respectiva por esse n´umero.
Opera¸c˜oes Elementares sobre Linhas
Dada uma matriz, chamam-se opera¸c˜oes elementares sobre as linhas dessa matriz, as seguintes opera¸c˜oes:
Tipo O1 Troca de duas linhas.
Tipo O2 Multiplica¸c˜ao de uma linha por um n´umero diferente de zero.
Tipo O3 Substitui¸c˜ao de uma linha pela sua soma com uma outra linha multiplicada por um n´umero.
Tendo em conta o princ´ıpio de equivalˆencia de sistemas, podemos afirmar que:
“Se (A|b) ´e a matriz ampliada de um sistema e (E|c) ´e uma matriz obtida de (A|b) por uma sequˆencia de opera¸c˜oes elementares sobre linhas, ent˜ao estas matrizes correspondem a sistemas equivalentes.”
Defini¸c˜ao 1.2. Uma matriz A diz-se equivalente por linhas a uma matriz B, se for poss´ıvel converter A em B, usando um n´umero finito de opera¸c˜oes elementares sobre linhas. Note-se que, se A ´e uma matriz equivalente por linhas a B, tamb´em B ´e equivalente por linhas a A,3 por isso poderemos simplesmente dizer que A e B s˜ao equivalentes por linhas. Escreve-se, ent˜ao, Alinhas∼ B.
3
1.2.2 Matrizes em escada
A ideia do m´etodo de elimina¸c˜ao de Gauss ´e transformar a matriz ampliada (A|b) de um sistema dado, por equivalˆencia de linhas, numa outra matriz (E|c) que tenha uma forma especialmente adequada `a discuss˜ao e resolu¸c˜ao do sistema. Mais precisamente, a forma a que pretendemos chegar ´e a da chamada matriz em escada. Para descrever essa forma, introduzimos primeiramente as seguinte defini¸c˜ao.
Defini¸c˜ao 1.3. Seja A uma matriz. Um elemento aik situado na linha i e na coluna k da matriz ´e dito um pivˆo, se ´e o primeiro (a contar da esquerda) elemento n˜ao nulo da sua linha, isto ´e, se aik 6= 0 e aij = 0, para j < k. Uma linha nula, isto ´e, formada toda por zeros, n˜ao tem pivˆo.
Matriz em Escada
Diz-se que uma matriz ´e uma matriz em escada ou que tem a forma em escada, se forem satisfeitas as seguintes condi¸c˜oes:
1. se uma linha da matriz for toda formada por zeros, ent˜ao todas as linhas abaixo dela tamb´em s˜ao todas formadas por zeros, i.e. as (eventuais) linhas nulas da matriz ocupam a parte inferior da matriz;
2. se o pivˆo da linha i estiver na coluna k, ent˜ao todos os elementos abaixo da posi¸c˜ao i nas colunas 1, 2 . . . , k s˜ao nulos.
Exemplo 1.5. A matriz A = 4 2 0 1 −1 3 5 1 0 0 2 1 3 −2 0 2 0 0 0 4 1 0 −1 1 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ´
e uma matriz em escada. Os pivˆos s˜ao os elementos rodeados por um quadrado. A matriz B = 4 2 0 1 −1 3 5 1 0 0 2 1 3 −2 0 2 0 3 0 4 1 0 −1 1 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
n˜ao ´e uma matriz em escada, uma vez que o pivˆo da linha 2 est´a na coluna 3 e, na coluna 2 o elemento na linha 3 ´e n˜ao nulo. A matriz
C = 4 2 0 1 −1 3 5 1 0 0 2 1 3 −2 0 2 0 0 0 4 1 0 −1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0
tamb´em n˜ao ´e uma matriz em escada, j´a que a linha 4 ´e nula, mas a linha 5 n˜ao.
Antes de descrevermos, de uma forma gen´erica, o m´etodo de elimina¸c˜ao de Gauss para a convers˜ao de uma matriz (em geral, matriz ampliada de um sistema), usando opera¸c˜oes elementares sobre linhas, numa matriz em escada, vejamos alguns exemplos simples.
Exemplo 1.6. Considere-se a seguinte matriz 1 2 1 1 2 4 3 3 3 7 1 5 . (1.3)
A redu¸c˜ao `a forma em escada pode efectuar-se com se indica abaixo 1 2 1 1 2 4 3 3 3 7 1 5 −−−−−→ L2−2L1 L3−3L1 1 2 1 1 0 0 1 1 0 1 −2 2 −−−−→ L2↔L3 1 2 1 1 0 1 −2 2 0 0 1 1 .
Nota: A nota¸c˜ao usada para indicar as opera¸c˜oes executadas ´e a seguinte: Li+ kLj significa que a
i-´esima linha ´e substitu´ıda pela sua soma com a linha j multiplicada por k e Li ↔ Lj indica a troca
das linhas i e j.
Exemplo 1.7. Consideremos agora a seguinte matriz 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 4 8 0 8 8 (1.4)
e vejamos como podemos reduzi-la `a forma em escada. 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 4 8 0 8 8 −−−−−→ L2−2L1 L3−L1 L4−4L1 1 2 1 3 3 0 0 -2 −2 −2 0 0 2 2 2 0 0 −4 −4 −4 −−−−−→ L3+L2 L4−2L2 1 2 1 3 3 0 0 -2 −2 −2 0 0 0 0 0 0 0 0 0 0 .
Exemplo 1.8. Considere-se agora a seguinte matriz, bastante idˆentica `a do exemplo anterior: 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 4 8 0 8 6 . (1.5)
Temos, neste caso: 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 4 8 0 8 6 −−−−−→ L2−2L1 L3−L1 L4−4L1 1 2 1 3 3 0 0 -2 −2 −2 0 0 2 2 2 0 0 −4 −4 −6 −−−−−→ L3+L2 L4−2L2 1 2 1 3 3 0 0 -2 −2 −2 0 0 0 0 0 0 0 0 0 3 − 2 −−−−→ L3↔L4 1 2 1 3 3 0 0 -2 −2 −2 0 0 0 0 -2 0 0 0 0 0
Exemplo 1.9. Como ´ultimo exemplo, consideremos a matriz 0 5 1 −8 0 3 −3 6 4 −8 12 0 . (1.6)
Temos, neste caso 0 5 1 −8 0 3 −3 6 4 −8 12 0 −−−−→ L1↔L3 4 −8 12 0 0 3 −3 6 0 5 1 −8 −−−−−→ L3−53L2 4 −8 12 0 0 3 −3 6 0 0 6 −18 .
Se estudarmos com cuidado cada um dos exemplos anteriores, n˜ao ´e dif´ıcil de concluir que o m´etodo que us´amos – M´etodo de Elimina¸c˜ao de Gauss – seguiu os passos descritos no quadro seguinte.
M´etodo de Elimina¸c˜ao de Gauss
(Convers˜ao de uma matriz numa matriz em escada)
Para reduzir uma matriz Am×n `a forma em escada, podemos seguir o seguinte m´etodo: Passo 1
• come¸cando da esquerda para a direita, procuramos a primeira coluna que contenha um elemento n˜ao nulo;
• se n˜ao existir tal coluna, A ´e a matriz nula e est´a, portanto, j´a na forma em escada, pelo que n˜ao haver´a nada a fazer;
• caso contr´ario, suponhamos que tal coluna ´e a coluna j; com eventual troca de linhas, colocamos na posi¸c˜ao (1, j) um elemento n˜ao nulo;
• adicionando m´ultiplos convenientes da linha 1 `as linhas 2, . . . , m, anulamos todos os elementos da coluna j situados abaixo da posi¸c˜ao 1.
Passo 2
• come¸cando da esquerda para a direita, procuramos a primeira coluna que contenha um elemento n˜ao nulo na posi¸c˜ao 2 ou abaixo dela;
• se tal coluna n˜ao existir, o processo est´a conclu´ıdo;
• caso contr´ario, sendo p essa coluna, por eventual troca de linhas, colocamos na posi¸c˜ao (2, p) um elemento n˜ao nulo;
• adicionando m´ultiplos convenientes da linha 2 `as linhas 3, . . . , m, anulamos todos os elementos da coluna p situados abaixo da posi¸c˜ao 2.
· · ·
O processo repete-se, de modo an´alogo, at´e que n˜ao haja mais linhas ou colunas.
1.2.3 Caracter´ıstica de uma matriz
Uma vez que h´a alguma flexibilidade na escolha das opera¸c˜oes elementares por linhas usadas para converter uma dada matriz A numa outra matriz E com a forma em escada (nomeada-mente, na escolha do elemento a colocar na posi¸c˜ao de pivˆo, quando efectuamos troca de linhas), as entradas de E n˜ao est˜ao definidas de forma ´unica, a partir de A. No entanto, pode provar-se que a forma de E ´e ´unica, no sentido em que as posi¸c˜oes dos pivˆos em E est˜ao univocamente determinadas pelas entradas da matriz A. Isto significa, em particular, que o n´umero de pivˆos (que ´e igual ao n´umero de linhas n˜ao nulas de E) tamb´em ´e
univo-camente determinado pela matriz A. Este n´umero ´e chamado caracter´ıstica da matriz A e, como veremos posteriormente, ´e um n´umero muito importante associado a uma matriz.
Caracter´ıstica de uma Matriz
Suponhamos que uma dada matriz A de ordem m × n ´e convertida, por opera¸c˜oes elementares sobre linhas, numa matriz em escada E. A caracter´ıstica de A, que des-ignaremos por car(A), ´e definida como
car(A) = n´umero de pivˆos de E
= n´umero de linhas n˜ao nulas de E = n´umero de colunas b´asicas de A,
onde as colunas b´asicas (tamb´em referidas como colunas principais) de A s˜ao as colunas de A correspondentes `as colunas de E que contˆem os pivˆos.
Retomando os Exemplos 1.6 – 1.9 vemos que: a matriz (1.3) do Exemplo 1.6 tem caracter´ıstica 3, sendo as suas 3 primeiras colunas, colunas principais; a matriz (1.14) do Exemplo 1.7 tem caracter´ıstica 2, sendo as suas colunas 1 e 3 as colunas principais; a matriz (1.5) do Exemplo 1.8 tem caracter´ıstica 3 e as suas colunas principais s˜ao as colunas 1, 3 e 5; finalmente, a matriz (1.6) considerada no Exemplo 1.9 tem caracter´ıstica 3 e as suas colunas principais s˜ao as colunas 1,2 e 3.
1.3 Resolu¸c˜ao de sistemas com matriz em escada
Agora que j´a sabemos como transformar uma matriz dada numa matriz em escada, por meio de opera¸c˜oes elementares sobre as suas linhas, vejamos como usar esse conhecimento para discutir e resolver um sistema.
Exemplo 1.10. Consideremos o sistema x1+ 2x2+ x3 = 1 2x2+ 4x2+ 3x3 = 3 3x1+ 7x2+ x3 = 5 .
A matriz ampliada deste sistema ´e a matriz
(A|b) = 1 2 1 1 2 4 3 3 3 7 1 5
que ´e precisamente a matriz (1.3) considerada no Exemplo 1.6 na pg. 9. J´a vimos que essa matriz ´e equivalente por linhas `a seguinte matriz em escada:
(E|c) = 1 2 1 1 0 1 −2 2 0 0 1 1 ,
a qual corresponde ao seguinte sistema (equivalente ao sistema dado): x1+ 2x2+ x3 = 1 x2− 2x3 = 2 x3 = 1 . ´
E imediato concluir que, neste caso, vai ser poss´ıvel encontrar uma e uma ´unica solu¸c˜ao para este sistema, por substitui¸c˜ao inversa. A ´ultima equa¸c˜ao diz-nos que x3 = 1; substituindo este valor na segunda equa¸c˜ao e resolvendo a equa¸c˜ao resultante, vem x2− 2(1) = 2, de onde se obt´em x2 = 4; substituindo os valores de x2 = 4 e x3 = 1 na primeira equa¸c˜ao, resulta x1+ 2(4) + 1 = 1, de onde se retira o valor da vari´avel x1, x1 = −8. Assim, o sistema dado ´
e poss´ıvel e determinado e a sua solu¸c˜ao ´e (−8, 4, 1). Observe-se que, neste caso, se tem:
• car(A) = n´umero de pivˆos de E = 3 • car(A|b) = n´umero de pivˆos de (E|c) = 3
• n´umero de inc´ognitas = n´umero de colunas de A = 3.
Exemplo 1.11. Consideremos agora o seguinte sistema, cuja matriz ampliada ´e a matriz do Exemplo 1.8 na pg. 10: x1+ 2x2+ x3+ 3x4 = 3 2x1+ 4x2+ 4x4 = 4 x1+ 2x2+ 3x3+ 5x5 = 5 4x1+ 8x2+ 8x4 = 6 .
Retomando o Exemplo 1.8, vemos que a matriz ampliada deste sistema pode ser convertida na seguinte matriz em escada:
1 2 1 3 3 0 0 -2 −2 −2 0 0 0 0 -2 0 0 0 0 0 .
A terceira linha desta matriz ampliada corresponde `a equa¸c˜ao 0x1+ 0x2+ 0x3+ 0x4= −2,
a qual ´e, naturalmente, uma equa¸c˜ao sem solu¸c˜ao; assim, o sistema dado ´e imposs´ıvel. Note-se que, neste caso se tem:
• car(A) = 2 • car(A|b) = 3.
Exemplo 1.12. Como ´ultimo exemplo, considere-se o sistema nas vari´aveis x1, x2, x3 e x4, cuja matriz ampliada ´e a matriz do Exemplo 1.7 na pg. 9. Neste caso, ap´os a redu¸c˜ao `a forma em escada, tem-se a seguinte matriz ampliada:
1 2 1 3 3 0 0 -2 −2 −2 0 0 0 0 0 0 0 0 0 0 .
N˜ao h´a agora nenhuma equa¸c˜ao da forma 0x1+ 0x2+ 0x3+ 0x4 = k com k 6= 0, ou seja, n˜ao encontramos nenhuma equa¸c˜ao sem solu¸c˜ao; al´em disso, embora dispus´essemos, inicialmente, de 4 equa¸c˜oes para determinar o valor das 4 vari´aveis, vemos que, na realidade, h´a apenas 2 equa¸c˜oes com “informa¸c˜ao relevante”, pois duas delas foram transformadas numa identidade 0 = 0, ou seja, o sistema dado ´e equivalente ao seguinte sistema reduzido:
( x1+ 2x2+ x3+ 3x3 = 3 −2x3− 2x4 = −2
.
Vemos, ent˜ao, que n˜ao vai ser poss´ıvel determinar univocamente o valor das 4 vari´aveis: duas delas v˜ao ser livres ou independentes (isto ´e, v˜ao poder tomar valores arbitr´arios), e as outras duas, ditas principais ou dependentes, ir˜ao tomar valores que dependem dos valores atribu´ıdos `
as vari´aveis livres; por outras palavras, as vari´aveis dependentes v˜ao ser fun¸c˜ao das vari´aveis livres. Note-se, que, neste caso se tem:
• car(A) = 2 • car(A|b) = 2
• n´umero de vari´aveis livres= 4 − 2 =n´umero de vari´aveis− car(A).
Vamos considerar como vari´aveis principais aquelas que correspondem `as colunas principais, ou, dito de outro modo, aquelas que est˜ao associadas aos pivˆos;4 neste caso, ser˜ao principais as vari´aveis x1 e x3, sendo as vari´aveis x2 e x4 livres; atribuindo valores arbitr´arios a x2 e x4 isto ´e, considerando x2 = α e x4 = β, α, β ∈ R, e substituindo esses valores nas duas primeiras equa¸c˜oes, tem-se
x1+ 2α + x3+ 3β = 3 −2x3− 2β = −2 x2= α x4= β .
Passando para o lado direito das equa¸c˜oes os termos com α e β, vem x1+ x3= 3 − 2α − 3β −2x3= −2 + 2β x2= α x4= β
e as duas primeiras equa¸c˜oes deste sistema est˜ao prontas a ser resolvidas por substitui¸c˜ao inversa:
−2x3 = −2 + 2β ⇐⇒ x3= − 1
2(−2 + 2β) ⇐⇒ x3= 1 − β; substituindo a express˜ao de x3 na primeira equa¸c˜ao e resolvendo em ordem a x1 vir´a:
x1+ (1 − β) = 3 − 2α − 3β ⇐⇒ x1 = 2 − 2α − 2β Vemos, ent˜ao, que o conjunto de solu¸c˜oes do sistema dado ´e o conjunto
{(2 − 2α − 2β, α, 1 − β, β) : α, β ∈ R}.
Solu¸c˜oes particulares do sistema poder˜ao ser encontradas atribuindo valores espec´ıficos a α e a β. Por exemplo, uma solu¸c˜ao poss´ıvel do sistema ser´a (0, 1, 1, 0), a qual corresponde `a escolha α = 1, β = 0.
Os exemplos que acab´amos de considerar incluem cada um dos casos que nos podem surgir quando pretendemos discutir e resolver um sistema linear.
4Isto n˜ao ´e estritamente necess´ario, mas, neste curso, por uma quest˜ao de simplicidade, seguiremos sempre esta metodologia.
Descrevemos, de seguida, o procedimento sistem´atico que devemos adoptar quando pre-tendermos discutir e, sendo poss´ıvel, resolver, um sistema de equa¸c˜oes lineares, com base no uso do processo de elimina¸c˜ao de Gauss.
Discuss˜ao e Resolu¸c˜ao de um Sistema
(Redu¸c˜ao `a forma em escada por elimina¸c˜ao de Gauss + substitui¸c˜ao inversa)
Seja dado um sistema de m equa¸c˜oes lineares em n inc´ognitas e seja (A|b) a respectiva matriz ampliada.
1. Para discutir esse sistema, podemos proceder do seguinte modo:
• convertemos a matriz ampliada do sistema numa matriz em escada (E|c); • se car(A) < car(A|b), conclu´ımos que o sistema ´e imposs´ıvel;
• se car(A) = car(A|b), conclu´ımos que o sistema ´e poss´ıvel; nesse caso, ele ser´a determinado, se tivermos car(A) = n e indeterminado, se car(A) < n; neste ´ultimo caso, o seu grau de indetermina¸c˜ao (ou seja, o n´umero de vari´aveis livres) ´e dado por n − car(A).
2. Se car(A) = car(A|b) = r e pretendermos resolver o sistema, podemos proceder do seguinte modo:
• se r = n (caso em que o sistema ´e determinado), usamos o m´etodo de substitui¸c˜ao inversa, determinando o valor das inc´ognitas da ´ultima para a primeira;
• se r < n:
– identificamos as r colunas de E com pivˆos e consideramos as respectivas vari´aveis como vari´aveis principais, sendo as restantes n − r vari´aveis, vari´aveis livres;
– supondo que as vari´aveis principais s˜ao as vari´aveis xp1, . . . , xpr e que x`1, . . . , x`n−r s˜ao as vari´aveis livres, fazemos x`1 = α1, x`2 = α2, . . . , x`n−r = αn−r, com αi ∈ R.
– substitu´ımos as express˜oes acima nas primeiras r equa¸c˜oes do sistema em escada, passamos esses termos para o lado direito das equa¸c˜oes e resolvemos o sistema correspondente, em ordem `as r vari´aveis principais, por substitui¸c˜ao inversa; os valores das vari´aveis principais xp1, . . . , xpr vir˜ao dados em fun¸c˜ao de α1, . . . , αn−r.
1.4 M´etodo de Gauss-Jordan
O m´etodo de resolver sistemas descrito na sec¸c˜ao anterior foi baseado na redu¸c˜ao da matriz ampliada do sistema a uma matriz em escada. ´E poss´ıvel, usando apenas opera¸c˜oes elementares sobre linhas, converter uma matriz numa forma ainda mais simplificada, a chamada forma em escada reduzida.
Matriz em Escada Reduzida
Diz-se que uma matriz ´e uma matriz em escada reduzida ou que tem a forma em escada reduzida, se forem satisfeitas as seguintes condi¸c˜oes:
1. a matriz tem a forma em escada; 2. os pivˆos s˜ao todos iguais a 1;
3. as colunas que contˆem um pivˆo tˆem todos os elementos, `a excep¸c˜ao do pivˆo, iguais a zero. Exemplo 1.13. A matriz A = 1 2 0 0 1 4 0 0 0 0 1 0 2 1 0 1 0 0 0 1 1 0 0 1 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tem a forma em escada reduzida, mas a matriz B abaixo, sendo embora muito idˆentica a A, n˜ao ´e uma matriz em escada reduzida (porquˆe?).
B = 1 2 0 0 1 4 1 0 0 0 1 0 2 1 3 1 0 0 0 1 1 0 0 1 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 A matriz C = 1 2 0 0 1 4 0 0 0 0 2 0 2 1 0 1 0 0 0 1 1 0 0 1 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tamb´em n˜ao ´e uma matriz em escada reduzida.
Vejamos um exemplo da redu¸c˜ao `a forma em escada reduzida de uma matriz A, usando opera¸c˜oes elementares sobre linhas.
Exemplo 1.14. Consideremos a matriz j´a usada no Exemplo 1.8 na pg. 10: 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 2 4 0 4 4 . Tem-se 1 2 1 3 3 2 4 0 4 4 1 2 3 5 5 2 4 0 4 7 −−−−−→ L2−2L1 L3−L1 L4−2L1 1 2 1 3 3 0 0 −2 −2 −2 0 0 2 2 2 0 0 −2 −2 1 −−−→ −1 2L2 1 2 1 3 3 0 0 1 1 1 0 0 2 2 2 0 0 −2 −2 1 −−−−−→ L3−2L2 L4+2L2 L1−L2 1 2 0 2 2 0 0 1 1 1 0 0 0 0 0 0 0 0 0 3 −−−−→ L4↔L3 1 2 0 2 2 0 0 1 1 1 0 0 0 0 3 0 0 0 0 0 −−→ 1 3L3 1 2 0 2 2 0 0 1 1 1 0 0 0 0 1 0 0 0 0 0 −−−−−→ L2−L3 L1−2L3 1 2 0 2 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 .
O processo que seguimos no exemplo anterior para reduzir uma matriz `a forma em escada reduzida ´e chamado m´etodo de Gauss-Jordan e pode ser descrito do seguinte modo.
M´etodo de Gauss-Jordan
(Redu¸c˜ao de uma matriz `a forma em escada reduzida)
Para reduzir uma dada matriz Am×n `a forma em escada reduzida, podemos usar o seguinte processo:
Passo 1
• movendo-nos da esquerda para a direita, procuramos a primeira coluna que con-tenha um elemento n˜ao nulo na posi¸c˜ao 1 ou abaixo dela;
• se tal coluna n˜ao existir, o processo est´a conclu´ıdo;
• caso contr´ario, suponhamos que tal coluna ´e a coluna j; com eventual troca de linhas, colocamos na posi¸c˜ao (1, j) um elemento n˜ao nulo, o qual ser´a o pivˆo da linha 1;
• multiplicamos a linha 1 pelo inverso do seu pivˆo, para que o pivˆo fique igual a 1; este procedimento ´e desnecess´ario, naturalmente, se o pivˆo for j´a igual a 1; • adicionando a linha 1 multiplicada por n´umeros convenientes a todas as outras
linhas, anulamos os elementos da coluna j, situados abaixo da posi¸c˜ao 1; Passo 2
• movendo-nos da esquerda para a direita, procuramos a primeira coluna que con-tenha um elemento n˜ao nulo na posi¸c˜ao 2 ou abaixo dela;
• se tal coluna n˜ao existir, o processo est´a conclu´ıdo;
• caso contr´ario, suponhamos que tal coluna ´e a coluna p; com eventual troca de linhas, colocamos na posi¸c˜ao (2, p) um elemento n˜ao nulo, o qual ser´a o pivˆo da linha 2;
• multiplicamos a linha 2 pelo inverso do seu pivˆo, para que o pivˆo fique igual a 1; este procedimento ´e desnecess´ario, naturalmente, se o pivˆo for j´a igual a 1; • adicionando a linha 2 multiplicada por n´umeros convenientes a todas as outras
linhas, anulamos os elementos da coluna 2, situados quer abaixo quer acima da posi¸c˜ao 2.
· · ·
O processo repete-se, de modo an´alogo, at´e que n˜ao haja mais linhas ou colunas.
Observa¸c˜ao importante: Pode provar-se que, quando convertemos uma dada matriz A na forma em escada reduzida, usando opera¸c˜oes elementares sobre linhas (mesmo que n˜ao sigamos exactamente o algoritmo acima proposto), a matriz a que chegaremos ser´a sempre a
mesma, isto ´e, para al´em de ter sempre a mesma forma (como se passa na simples redu¸c˜ao `
a forma em escada) tem os elementos nas diversas posi¸c˜oes univocamente determinados. Por outras palavras, existe uma ´unica matriz em escada reduzida, produzida a partir de A por opera¸c˜oes elementares sobre linhas, ou seja, equivalente por linhas `a matriz A. Neste curso, reservaremos a nota¸c˜ao EApara designar tal matriz.
´
E f´acil de ver (justifique!) que, se A for uma matriz em que o n´umero de linhas (m) ´e gual ao n´umero de colunas (n) – caso em que A se diz quadrada de ordem n – e se essa matriz tiver caracter´ıstica igual a n, a respectiva matriz em escada ser´a a seguinte matriz:
1 0 0 · · · 0 0 1 0 · · · 0 0 0 1 · · · 0 .. . ... ... · · · ... 0 0 0 · · · 1 .
Naturalmente, o rec´ıproco ´e tamb´em verdadeiro, isto ´e, se A for uma matriz cuja respectiva matriz em escada seja a matriz anterior, ent˜ao car(A) = n.
Uma matriz como a anterior, quadrada de ordem n, em que os elementos situados nas posi¸c˜oes (i, i) s˜ao todos iguais a 1 e os restantes elementos s˜ao todos zero, chama-se matriz identidade de ordem n e denota-se por In (ou apenas por I, se a ordem se deduzir pelo contexto). Resumindo, tem-se o resultado seguinte.
Sendo A quadrada de ordem n, tem-se
car(A) = n ⇐⇒ EA= In.
Vejamos agora como resolver um sistema de equa¸c˜oes, fazendo uso do m´etodo de Gauss-Jordan para reduzir a sua matriz ampliada `a forma em escada reduzida.
Exemplo 1.15. Como primeiro exemplo, consideremos o sistema 2x1+ x2+ 2x3 = 0 x1− x2− x3 = 2 3x1− x2− x3 = 4 .
A sua matriz ampliada ´e a seguinte:
(A|b) = 2 1 2 0 1 −1 −1 2 3 −1 −1 4 .
Convertamos, ent˜ao, esta matriz na forma em escada reduzida: 2 1 2 0 1 −1 −1 2 3 −1 −1 4 −−→ 1 2L1 1 12 1 0 1 −1 −1 2 3 −1 −1 4 −−−−−→ L2−L1 L3−3L1 1 12 1 0 0 −3 2 −2 2 0 −52 −4 4 −−−→ −2 3L2 1 12 1 0 0 1 43 −4 3 0 −52 −4 4 −−−−−→ L3+52L2 L1−12L2 1 0 13 23 0 1 43 −4 3 0 0 −23 23 −−−→ −3 2L3 1 0 13 23 0 1 43 −4 3 0 0 1 −1 −−−−−→ L2−43L3 L1−13L3 1 0 0 1 0 1 0 0 0 0 1 −1 = E(A|b).
Vemos, ent˜ao, que o sistema dado ´e equivalente ao sistema x1 = 1 x2 = 0 x3 = −1 ,
o qual ´e, obviamente, poss´ıvel e determinado, com solu¸c˜ao (1, 0, −1). Exemplo 1.16. Seja agora dado o sistema
x1− x2− x3= 1 2x1+ x2− 5x3= 2 −x1+ x2= −1 ,
ao qual corresponde a seguinte matriz ampliada
(A|b) = 1 −1 −1 1 2 1 −5 2 −1 2 0 −1 . Tem-se, ent˜ao 1 −1 −1 1 2 1 −5 2 −1 2 0 −1 −−−−−→ L2−2L1 L3+L1 1 −1 −1 1 0 3 −3 0 0 1 −1 0 −−→ 1 3L2 1 −1 −1 1 0 1 −1 0 0 1 −1 0 −−−−→ L3−L2 L1+L2 1 0 −2 1 0 1 −1 0 0 0 0 0 = E(A|b).
Neste caso, obt´em-se o seguinte sistema, equivalente ao dado: ( x1− 2x3 = 1
x2− x3 = 0 .
A an´alise da matriz E(A|b) mostra-nos que o sistema ´e poss´ıvel, e simplesmente indeterminado (isto ´e, com grau de indetermina¸c˜ao igual a 1); as vari´aveis principais s˜ao x1 e x2, sendo x3 vari´avel livre. Fazendo x3 = α (α ∈ R), substituindo nas equa¸c˜oes do sistema reduzido e passando os termos com α para o lado direito do sistema, vem
x1 = 1 + 2α x2 = α x3 = α .
Conclu´ımos ent˜ao que
{(1 + 2α, α, α) : α ∈ R} ´
e o conjunto de todas as solu¸c˜oes do sistema.
Se efectuarmos uma contagem no n´umero de opera¸c˜oes envolvidas na resolu¸c˜ao de um sistema por redu¸c˜ao `a forma em escada, usando elimina¸c˜ao de Gauss, seguida de substitui¸c˜ao inversa, e o compararmos com o n´umero de opera¸c˜oes envolvidas na aplica¸c˜ao do m´etodo de Gauss-Jordan, baseado na redu¸c˜ao `a forma em escada reduzia, poderemos concluir que o primeiro m´etodo ´e (em geral) mais eficiente. No entanto, se pretendermos resolver v´arios sistemas que tenham em comum a mesma matriz simples (isto ´e, que difiram apenas nos termos independentes), o m´etodo de Gauss-Jordan poder´a ser competitivo, se resolvermos os v´arios sistemas em simultˆaneo. Vejamos um exemplo da aplica¸c˜ao do m´etodo de Gauss-Jordan `
a resolu¸c˜ao simultˆanea de v´arios sistemas com a mesma matriz simples.
Exemplo 1.17. Considerem-se os seguintes trˆes sistemas, com a mesma matriz de coeficientes:
S1 ≡ 4x − 8y + 5z = 1 4x − 7y + 4z = 0 3x − 4y + 2z = 0 , S2 ≡ 4x − 8y + 5z = 0 4x − 7y + 4z = 1 3x − 4y + 2z = 0 , S3 ≡ 4x − 8y + 5z = 0 4x − 7y + 4z = 0 3x − 4y + 2z = 1 .
Em vez de consideramos um sistema de cada vez, formemos uma matriz ampliada da forma (A|b1|b2|b3)
onde b1, b2e b3s˜ao as colunas com os lados direitos dos sistemas S1, S2e S3respectivamente e usemos o processo de Gauss-Jordan aplicado a essa matriz:
4 −8 5 1 0 0 4 −7 4 0 1 0 3 −4 2 0 0 1 −−→ 1 4L1 1 −2 5 4 1 4 0 0 4 −7 4 0 1 0 3 −4 2 0 0 1 −−−−−→ L2−4L1 L3−3L1 1 −2 54 14 0 0 0 1 −1 −1 1 0 0 2 −74 −34 0 1 −−−−−→ L3−2L2 L1+2L2 1 0 −34 −74 2 0 0 1 −1 −1 1 0 0 0 14 54 −2 1 −−→ 4L3 1 0 −3 4 − 7 4 2 0 0 1 −1 −1 1 0 0 0 1 5 −8 4 −−−−−→ L2+L3 L1+34L3 1 0 0 2 −4 3 0 1 0 4 −7 4 0 0 1 5 −8 4 .
As solu¸c˜oes dos trˆes sistemas lˆeem-se, de imediato, da matriz obtida: elas s˜ao (2, 4, 5) para o sistema S1, (−4, −7, −8) para o sistema S2 e (3, 4, 4) para o sistema S3.
1.5 Sistemas homog´eneos
Um sistema linear diz-se homog´eneo se for da forma a11x1+ a12x2+ · · · + a1nxn= 0 a21x1+ a22x2+ · · · + a2nxn= 0 .. . am1x1+ am2x2+ · · · + amnxn= 0 , (1.7)
isto ´e, se os termos independentes de todas as equa¸c˜oes forem iguais a zero. ´E imediato concluir que x1= 0, x2 = 0, . . . , xn= 0, satisfazem todas as equa¸c˜oes do sistema homog´eneo (1.7) ou seja, que ele ´e sempre poss´ıvel, admitindo (pelo menos) a solu¸c˜ao (0, 0, . . . , 0), dita solu¸c˜ao nula ou trivial. Uma outra forma de vermos que o sistema ´e sempre poss´ıvel ´e a seguinte. Sendo (A|0) a matriz ampliada do sistema (onde usamos a nota¸c˜ao 0 para designar uma coluna toda formada por zeros) e analisando em que consistem as opera¸c˜oes elementares sobre linhas de uma matriz, ´e imediato concluir que, ao convertermos a matriz (A|0) numa matriz em escada, a ´ultima coluna nula manter-se-´a sempre nula ao longo de todo o processo, pelo que, no final, teremos uma matriz da forma (E|0). Isto significa que o n´umero de pivˆos de E ´e igual ao n´umero de pivˆos de (E|0), ou dito de outro modo, que a caracter´ıstica da
matriz simples coincide com a caracter´ıstica da matriz ampliada, condi¸c˜ao que, como sabemos, nos garante que o sistema ´e poss´ıvel.
Para sabermos se o sistema ´e determinado ou indeterminado, teremos, como para qual-quer outro sistema, de comparar a caracter´ıstica da matriz A com o n´umero de inc´ognitas. Se car(A) = n, o sistema ser´a determinado, sendo a sua ´unica solu¸c˜ao o n-uplo (0, 0, . . . , 0). Se car(A) < n, o sistema ser´a indeterminado, podendo resolver-se como habitualmente (identifi-cando as vari´aveis principais e as vari´aveis livres e resolvendo o sistema em ordem `as vari´aveis principais, em fun¸c˜ao dos valores das vari´aveis livres).
Em resumo, tem-se o resultado contido no quadro seguinte.
Um sistema homog´eneo com matriz simples Am×n´e sempre poss´ıvel, sendo determinado se e s´o se car(A) = n.
Nota: Uma vez que a coluna dos termos independentes de um sistema homog´eneo se mant´em sempre nula ao longo de todo o processo de elimina¸c˜ao Gaussiana, quando resolvemos um sistema deste tipo ´e usual fazer a elimina¸c˜ao apenas da matriz simples do sistema, omitindo a coluna dos termos independentes.
Exemplo 1.18. Considere-se o seguinte sistema homog´eneo x1+ 2x2− 2x3 = 0 4x1+ 8x2− 5x3 = 0 3x1+ x2− 6x3 = 0 .
A matriz simples deste sistema ´e
A = 1 2 −2 4 8 −5 3 1 −6 .
Usando elimina¸c˜ao de Gauss, convertamos A na forma em escada: 1 2 −2 4 8 −5 3 1 −6 −−−−−→ L2−4L1 L3−3L1 1 2 −2 0 0 3 0 −5 0 −−−−→ L2↔L3 1 2 −2 0 -5 0 0 0 3 .
Vemos, ent˜ao, que car(A) = 3 =n´umero de inc´ognitas, pelo que o sistema dado ´e determinado com ´unica solu¸c˜ao (0, 0, 0).
Exemplo 1.19. Consideremos o sistema ( x1− x2+ 2x3 = 0 3x1+ x2− 2x3 = 0 . Temos A = 1 −1 2 3 1 −2 −−−−−→ L2−3L1 1 −1 2 0 4 −8 ! .
Como car(A) = 2 e temos trˆes inc´ognitas, o sistema ´e simplesmente indeterminado. As vari´aveis principais s˜ao x1 e x2 e a vari´avel livre ´e x3. Fazendo x3= α (α ∈ R) e substituindo nas equa¸c˜oes do sistema correspondente `a ´ultima matriz obtida acima, vem
x1− x2+ 2α = 0 4x2− 8α = 0 x3= α . Tem-se, ent˜ao 4x2− 8α = 0 ⇐⇒ 4x2 = 8α ⇐⇒ x2 = 2α. Substituindo na primeira equa¸c˜ao e resolvendo-a em ordem a x1, vir´a
x1− 2α + 2α = 0 ⇐⇒ x1 = 0. Assim, o sistema dado tem o seguinte conjunto de solu¸c˜oes
{(0, 2α, α) : α ∈ R}. 1.5.1 Sistemas com matriz quadrada
Pela sua especial importˆancia, salientamos, no quadro seguinte, alguns resultados para o caso particular de sistemas em que o n´umero de equa¸c˜oes ´e igual ao n´umero de inc´ognitas (ou seja, em que a matriz do sistema ´e uma matriz quadrada). Deixamos ao cuidado do aluno justificar cada uma das afirma¸c˜oes, que s˜ao simples aplica¸c˜ao de resultados j´a estudados.
Sistemas com Matrizes Quadradas
Considere-se um sistema de n equa¸c˜oes lineares em n inc´ognitas com matriz simples A e coluna dos termos independentes b. Ent˜ao, o sistema ´e poss´ıvel e determinado se e s´o se se verificar qualquer uma das condi¸c˜oes seguintes (equivalentes):
• car(A) = n; • EA= In;
• o sistema homog´eneo correspondente (isto ´e, o sistema homog´eneo com A com matriz simples) tiver apenas a solu¸c˜ao nula.
1.6 Exerc´ıcios
Exerc´ıcio 1.1. Identifique quais das seguintes matrizes s˜ao matrizes em escada. Para as que o forem, indique quais os pivˆos.
(a) 1 0 0 0 5 0 0 3 0 4 0 0 0 2 0 ; (b) 0 1 0 0 4 0 0 1 0 −4 0 0 2 −2 3 ; (c) 2 2 0 0 0 0 0 3 0 0 0 0 0 0 3 0 0 0 0 0 ; (d) 0 0 0 0 0 0 0 1 0 0 0 0 0 2 3 0 0 0 0 0 ; (e) 0 0 0 0 0 0 1 1 0 0 0 0 0 −2 3 0 0 0 0 5 ; (f) 1 0 0 0 1 0 1 0 0 2 0 0 1 0 3 0 0 0 1 1 .
Exerc´ıcio 1.2. Converta cada uma das matrizes dadas na forma em escada, usando o m´etodo de elimina¸c˜ao de Gauss. Indique, ent˜ao, qual a caracter´ıstica de cada uma das matrizes e quais s˜ao as suas colunas principais.
(a) 0 5 0 0 0 3 0 2 1 6 4 2 ; (b) 1 2 2 1 2 5 7 2 3 6 6 0 ; (c) 1 2 1 3 1 2 4 −1 3 8 1 2 3 5 7 2 4 2 6 2 3 6 1 7 −3 ;
(d) 0 5 10 25 2 6 4 0 0 3 4 0 ; (e) −3 0 −6 6 4 24 −15 −12 −66 ; (f) 1 2 3 2 6 8 2 6 0 1 2 5 3 8 6 .
Exerc´ıcio 1.3. ([Mey00, p.46]) Seja (E|c) for a matriz ampliada de um sistema.
(a) Se E tiver a forma em escada, poderemos concluir que (E|c) tamb´em tem essa forma?
(b) Se (E|c) tiver a forma em escada, podemos concluir que E tamb´em tem essa forma?
Exerc´ıcio 1.4. ([Mey00, p.46]) Considere uma matriz A de ordem m × n. Justifique as seguintes afirma¸c˜oes:
(a) car(A) ≤ min{m, n}.
(b) Se uma das linhas de A ´e nula, ent˜ao car(A) < m.
(c) Se uma das linhas de A ´e um m´ultiplo de outra linha, ent˜ao car(A) < m. (d) Se uma das colunas de A ´e formada toda por zeros, ent˜ao car(A) < n.
Exerc´ıcio 1.5. Para cada um dos sistemas seguintes, forme a respectiva matriz ampliada e reduza-a `a forma em escada; indique qual a caracter´ıstica da matriz simples e qual a caracter´ıstica da matriz ampliada do sistema e, tendo em conta essa informa¸c˜ao, classifique o sistema (poss´ıvel/imposs´ıvel; sendo poss´ıvel, determinado/indeterminado); se o sistema for poss´ıvel, resolva-o.
(a) x1− x2− 2x3= −6 3x1+ x2− 2x3= −6 −2x1− 2x2+ x3= 2 ; (b) x1− x2− 2x3 = −1 −2x1+ x2+ x3 = 2 3x1+ 2x2+ 9x3 = 4 ; (c) x1+ 2x3 = 1 2x1+ x2+ 3x3 = 1 2x1− x2+ 5x3 = 3 ; (d) x − 2y = −1 4x + y = 14 3x − 4y = 1 ; (e) x − y + 3z = 4 2x − 2y + z = 3 −x + y + z = 0 ; (f) x1+ 2x2+ x3+ 2x4= 3 2x1+ 4x2+ x3+ 3x4= 4 3x1+ 6x2+ x3+ 4x3= 5 ; (g) x − y + z = 1 x − y − z = 2 x + y − z = 3 x + y + z = 4 ; (h) x − y + z = 1 x − y − z = 2 x + y − z = 3 x + y + z = 2 .
Exerc´ıcio 1.6. Discuta, em fun¸c˜ao dos valores da constante k ∈ R, os seguintes sistemas de equa¸c˜oes e resolva-os para os valores de k que os tornam poss´ıveis:
(a) ( x + y = k 3x − ky = 2; (b) x + y + z = k kx + y + 2z = 2 x + ky + z = 4 ; (c) x1− 2x2+ 3x3 = 1 2x1+ kx2+ 6x3 = 6 −x1+ 3x2+ (k − 3)x3 = 0 .
Exerc´ıcio 1.7. Discuta, em fun¸c˜ao dos valores dos parˆametros a e b, o seguinte sistema de equa¸c˜oes lineares e resolva-o para o caso a = 4, b = 6.
x − 2y + 3z = 4 2x − 3y + az = 5 3x − 4y + 5z = b .
Exerc´ıcio 1.8. Diga quais das seguintes matrizes s˜ao matrizes em escada reduzida e, para as que n˜ao forem, reduza-as a essa forma, usando o m´etodo de Gauss-Jordan.
(a) 1 4 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 ; (b) 0 1 3 1 2 4 ; (c) 1 1 1 1 1 0 1 0 0 ; (d) 0 0 0 0 0 0 1 2 0 0 0 1 0 0 0 0 ; (e) 2 0 0 0 0 0 −6 0 0 .
Exerc´ıcio 1.9. Determine α ∈ R de modo que a caracter´ıstica da seguinte matriz seja igual a 2: A = 1 1 1 α α α − 1 α + 1 1 1 1 1 1 .
Exerc´ıcio 1.10. Use o m´etodo de Gauss-Jordan para resolver, em simultˆaneo, trˆes sistemas de equa¸c˜oes S1,S2 e S3 cuja matriz simples seja
A = 1 2 3 0 1 4 −1 −2 0
e cujos lados direitos, sejam, respectivamente
b1 = 1 0 0 , b2 = 0 3 1 e b3= −1 1 2
Exerc´ıcio 1.11. Resolva os seguintes sistemas homog´eneos: (a) −3x + y + z + w = 0 x + y − 3z + w = 0 x + y + z − 3w = 0 ; (b) 2x + y − 3z = 0 3x − y + 5z = 0 4x + y + 3z = 0 .
Exerc´ıcio 1.12. ([Mey00, p.12]) Determine ˆangulos α, β e γ, com 0 ≤ α < 2π, 0 ≤ β < 2π e 0 ≤ γ < π tais que
2 sen α − cos β + 3 tan γ = 3 4 sen α + 2 cos β − 2 tan γ = 2 6 sen α − 3 cos β + tan γ = 9 .
Matrizes
2.1 Conceitos b´asicos
No cap´ıtulo anterior j´a fal´amos de matrizes, mas apenas vendo estas como uma ferramenta ´
util para a discuss˜ao e resolu¸c˜ao de sistemas de equa¸c˜oes lineares. No presente cap´ıtulo, vamos estudar esses objectos matem´aticos com um pouco mais de profundidade. Para que este cap´ıtulo fique mais auto-contido, repetiremos algumas das defini¸c˜oes j´a introduzidas no Cap´ıtulo 1.
Defini¸c˜ao 2.1. Uma matriz de ordem (ou tipo) m × n ´e simplesmente um quadro rectangular de m × n n´umeros dispostos em m linhas e n colunas. Esses n´umeros, ditos elementos ou entradas da matriz, s˜ao representados ou entre parˆenteses curvos (sendo esta a nota¸c˜ao que adoptaremos neste curso) ou entre parˆenteses rectos.
Nota: A n˜ao ser que algo seja dito em contr´ario, assumimos que os n´umeros que constituem a matriz s˜ao n´umeros reais, isto ´e, trabalharemos, essencialmente, com as chamadas matrizes reais; por vezes, no entanto, consideraremos matrizes complexas, ou seja, formadas por n´umeros complexos.1
O conjunto das matrizes de ordem m × n de elementos reais ser´a denotado por Rm×ne o conjunto das matrizes, da mesma ordem, de elementos complexos ser´a designado por Cm×n.
´
E pr´atica comum usar letras latinas mai´usculas, tais como A, B, M, N, . . . para denotar matrizes e usar a letra min´uscula correspondente, com dois ´ındices, para denotar os respectivos 1E poss´ıvel definir matrizes com n´´ umeros pertencentes a outro tipo de conjuntos, mas tal est´a fora do ˆambito deste curso.
elementos: o primeiro ´ındice indica a que linha pertence o elemento e o segundo refere-se `a coluna em que se situa o elemento. Por exemplo,
A = a11 a12 · · · a1n a21 a22 · · · a2n .. . ... . .. ... am1 am2 · · · amn .
Tamb´em se escreve, em nota¸c˜ao abreviada, A = (aij)m×n ou apenas A = (aij) se o tipo da matriz se deduzir pelo contexto. Se quisermos apenas indicar que A ´e uma matriz do tipo m × n, escrevemos Am×n. Por vezes, ´e ´util usar a nota¸c˜ao (A)ij para designar o elemento situado na linha i e na coluna j da matriz A. Tal elemento ´e referido como o elemento de A na posi¸c˜ao (i, j), ou apenas por elemento (i, j) de A.
Uma submatriz de uma dada matriz A ´e uma matriz obtida de A eliminando alguma(s) das suas linhas e/ou colunas. Por exemplo, se
A = 1 3 5 1 4 2 3 0 −1 3 7 1 , ent˜ao B = 4 3 0 −1 7 1 ´
e a submatriz de A obtida eliminado a sua primeira linha e a sua segunda coluna. Defini¸c˜ao 2.2. Seja A uma matriz de ordem m × n.
• Se m = n, A diz-se uma matriz quadrada, dizendo-se rectangular se m 6= n. Quando A ´
e uma matriz quadrada de ordem n × n, ´e usual dizermos apenas que A ´e quadrada de ordem n.
• Se m = 1, A diz-se uma matriz linha ou vector linha, e se n = 1, A diz-se uma matriz coluna ou vector coluna. Estas matrizes s˜ao, geralmente, denotadas por letras min´usculas e em negrito, por exemplo, b, u, v, . . . Tamb´em ´e usual, no caso de matrizes linha ou coluna, identificar os seus elementos apenas com um ´ındice, por exemplo:
b = b1 b2 .. . bm , u = (u1 u2 . . . un) .
Dada uma matriz quadrada A = (aij) de ordem n, dizemos que os elementos a11, a22, . . . , ann constituem a diagonal principal de A, por vezes referida apenas como diagonal de A:
a11 a12 · · · a1n a21 a22 · · · a2n .. . ... . .. ... an1 an2 · · · ann
Os elementos a1n, a2,n−1, . . . , an1 formam a chamada diagonal secund´aria de A.
Defini¸c˜ao 2.3 (Matrizes triangulares; matriz diagonal). Uma matriz quadrada A = (aij) diz-se:
• triangular inferior, se os elementos situados acima da diagonal principal s˜ao todos nulos, i.e. se aij = 0 quando i < j;
• triangular superior, se os elementos situados abaixo da diagonal principal s˜ao todos nulos, i.e. se aij = 0 quando i > j;
• diagonal, se os elementos situados fora da diagonal principal s˜ao todos nulos, i.e. se aij = 0 quando i 6= j.
Um caso especialmente importante de uma matriz diagonal ´e o da matriz identidade de ordem n, In, j´a introduzida no Cap´ıtulo 1. Trata-se, como vimos, de uma matriz quadrada de ordem n, diagonal, com todos os elementos diagonais iguais a 1.
Defini¸c˜ao 2.4 (Matriz nula). A matriz de ordem m × n cujos elementos s˜ao todos iguais a zero ´e chamada matriz nula e designada pelo s´ımbolo 0m×n ou, por vezes, simplesmente por 0, se a ordem for deduzida pelo contexto.
Exemplo 2.1. Considerem-se as matrizes
A = 1 2 0 5 0 2 3 1 0 0 0 4 0 0 0 7 , B = 1 0 0 0 3 −2 0 0 1 0 −1 0 2 1 3 4 , C = 1 0 0 0 3 0 0 0 0 , D = 1 0 0 0 1 0 0 0 1 , E = 0 0 0 0 0 0 0 0 0 . Ent˜ao:
• A ´e triangular superior. • B ´e triangular inferior.
• C ´e, simultaneamente, triangular superior, triangular inferior e diagonal, o mesmo acon-tecendo a D e a E.
• D ´e a matriz identidade de ordem 3. • E ´e a matriz nula de ordem 3.
Defini¸c˜ao 2.5 (Igualdade de matrizes). Duas matrizes A = (aij) e B = (bij) s˜ao iguais se e s´o se forem da mesma ordem e os elementos nas posi¸c˜oes correspondentes forem iguais, isto ´
e, aij = bij para cada escolha de i e j. Se A e B s˜ao iguais, escrevemos, como habitualmente A = B, escrevendo A 6= B se elas n˜ao forem iguais.
Note-se que, de acordo com a defini¸c˜ao anterior, se tem, por exemplo,
1 2 3 0 6= 1 2 3 0 ,
embora os elementos que formam esses dois vectores sejam os mesmos.
2.2 Opera¸c˜oes com matrizes
Agora que j´a conhecemos os principais conceitos b´asicos de matrizes, vamos aprender a “op-erar”com elas, isto ´e, vamos introduzir opera¸c˜oes entre matrizes e estudar as suas propriedades.
2.2.1 Adi¸c˜ao de matrizes
Defini¸c˜ao 2.6 (Adi¸c˜ao de matrizes). Se A = (aij) e B = (bij) s˜ao duas matrizes da mesma ordem, a soma de A e B ´e uma matriz da mesma ordem, que denotaremos por A + B, obtida adicionando as entradas correspondentes. Isto ´e
Exemplo 2.2. Por exemplo, tem-se: −2 3 1 1 5 −4 +2 −1 1 3 −2 6 =0 2 2 4 3 2 .
Defini¸c˜ao 2.7 (Sim´etrica de uma matriz). Dada uma matriz A = (aij), define-se matriz sim´etrica de A, e denota-se por −A, como sendo a matriz obtida considerando os sim´etricos de cada um dos elementos de A, isto ´e:
(−A)ij = −aij, para cada i e cada j. (2.1) Usaremos a nota¸c˜ao, A − B para designar a matriz A + (−B).
Exemplo 2.3. Se A = 1 2 3 −1 −1 −1 2 0 4 e B = 1 2 3 3 3 3 −1 0 1 , ent˜ao −A = −1 −2 −3 1 1 1 −2 0 −4 e A − B = 0 0 0 −4 −4 −4 3 0 3 .
Propriedades da Adi¸c˜ao de Matrizes
Para quaisquer matrizes A, B, C da mesma ordem, tem-se: Comutatividade: A + B = B + A
Associatividade: (A + B) + C = A + (B + C) Elemento Neutro: A + 0 = 0 + A = A
Elemento Sim´etrico : A + (−A) = (−A) + A = 0.
As propriedades anteriores s˜ao uma consequˆencia imediata das defini¸c˜oes da adi¸c˜ao de matrizes, sim´etrica de uma matriz, matriz nula e das propriedades usuais da adi¸c˜ao de n´umeros reais; a t´ıtulo de exemplo, demonstramos a comutatividade, ficando as restantes demonstra¸c˜oes ao cuidado dos alunos.
Comecemos por notar que, se A = (aij) e B = (bij) s˜ao duas matrizes m × n, ent˜ao, de acordo com a defini¸c˜ao de soma de matrizes, ambas as matrizes A + B e B + A s˜ao tamb´em dessa mesma ordem. Al´em disso, tem-se:
(A + B)ij =
A justifica¸c˜ao de cada uma das passagens¬ −®´e a seguinte:
¬ Defini¸c˜ao de A + B.
Comutatividade da adi¸c˜ao de n´umeros reais. ® Defini¸c˜ao de B + A.
Podemos, portanto concluir, tendo em conta a defini¸c˜ao de igualdade de matrizes, que
A + B = B + A, como pretend´ıamos demonstrar.
Nota: A associatividade da adi¸c˜ao permite-nos escrever A + B + C, sem qualquer ambiguidade.
2.2.2 Multiplica¸c˜ao escalar
Defini¸c˜ao 2.8 (Multiplica¸c˜ao Escalar). Sejam A = (aij) uma matriz e α um n´umero (usual-mente designado por escalar). A multiplica¸c˜ao do escalar α pela matriz A ´e uma matriz da mesma ordem que A, designada por αA, e obtida multiplicando todos os elementos de A por α, isto ´e,
(αA)ij = αaij, para cada i e cada j.
A opera¸c˜ao de multiplica¸c˜ao de uma matriz por um escalar ´e designada simplesmente por multiplica¸c˜ao escalar. Exemplo 2.4. 3 1 2 −1 3 4 1 −1 0 0 = 3 6 −3 9 12 3 −3 0 0 .
Propriedades da Multiplica¸c˜ao Escalar
Para quaisquer matrizes A = (aij) e B = (bij) da mesma ordem e quaisquer escalares α, β, tem-se:
Distributividade (em rela¸c˜ao `a adi¸c˜ao de matrizes): α(A + B) = αA + αB Distributividade (em rela¸c˜ao `a adi¸c˜ao de escalares): (α + β)A = αA + βA Associatividade Mista: (αβ) A = α (βA)
Elemento Identidade : 1A = A Elmemento Absorvente : 0A = 0
Demonstraremos a primeira das propriedades, ficando as restantes como exerc´ıcio. Tendo em conta a defini¸c˜ao de adi¸c˜ao de matrizes e de multiplica¸c˜ao de uma matriz por um escalar, ´e imediato concluir que α(A + B) e αA + αB s˜ao matrizes da mesma ordem. Al´em disso, temos
(α(A + B))ij =
¬α(A + B)ij =α (aij+ bij) =®αaij+ αbij =¯(αA)ij+ (αB)ij =°(αA + αB)ij ¬ Defini¸c˜ao de multiplica¸c˜ao de uma matriz por um escalar.
Defini¸c˜ao de adi¸c˜ao de matrizes.
® Distributividade da multiplica¸c˜ao em rela¸c˜ao `a adi¸c˜ao (em R ou C). ¯ Defini¸c˜ao de multiplica¸c˜ao de uma matriz por um escalar.
° Defini¸c˜ao de adi¸c˜ao de matrizes.
Conclu´ımos, portanto, que α(A + B) = αA + αB.
2.2.3 Transposi¸c˜ao e transconjuga¸c˜ao
Defini¸c˜ao 2.9 (Transposta de uma Matriz). Seja A uma matriz de ordem m × n. Define-se transposta de A, e designa-se por AT, como sendo a matriz de ordem n × m obtida de A trocando as suas linhas com as colunas. Por outras palavras, se A = (aij), ent˜ao
(AT)ij = aji. Exemplo 2.5. Sendo A = 1 3 4 2 −1 2 0 5 −3 0 0 1 tem-se AT= 1 2 0 0 3 −1 5 0 4 2 −3 1 .
alunos.
Propriedades da Transposi¸c˜ao
Para quaisquer matrizes A = (aij) e B = (bij) da mesma ordem e qualquer escalar α, tem-se: • (AT)T= A
• (A + B)T= AT+ BT • (αA)T= αAT
Defini¸c˜ao 2.10 (Matriz sim´etrica; matriz anti-sim´etrica). Seja A uma matriz quadrada de ordem n. Ent˜ao:
• A diz-se sim´etrica, se A = AT, isto ´e, se a
ij = aji. • A diz-se anti-sim´etrica se AT= −A, isto ´e, se a
ij = −aji.
Numa matriz sim´etrica, os elementos situados simetricamente em rela¸c˜ao `a diagonal prin-cipal s˜ao iguais (e numa matriz anti-sim´etrica, s˜ao sim´etricos, sendo os da diagonal nulos). Exemplo 2.6. A matriz A = 1 2 −1 4 2 0 3 1 −1 3 5 7 4 1 7 9 ´
e uma matriz sim´etrica e a matriz
B = 0 2 −1 6 −2 0 3 1 1 −3 0 −7 −6 −1 7 0 ´ e anti-sim´etrica.
As no¸c˜oes que daremos a seguir aplicam-se a matrizes complexas.2
Defini¸c˜ao 2.11 (Conjugada e transconjugada de uma matriz). Seja A = (aij) ∈ Cm×n. • A matriz conjugada de A, denotada por A, ´e a matriz obtida de A substituindo cada
um dos seus elementos pelo seu conjugado.3 Tem-se, ent˜ao (A)
ij = aij.
2
Como R ⊂ C, uma matriz A ∈ Cm×n pode, eventualmente, ser formada apenas por n´umeros reais. 3
• A transconjugada de A, denotada por A∗, ´e a matriz transposta da conjugada de A, isto ´e, A∗ = (A)T. Tem-se, portanto (A∗)ij = aji.
Defini¸c˜ao 2.12 (Matriz hermiteana e matriz anti-hermiteana). Seja A uma matriz quadrada de ordem n com elementos em C. Ent˜ao:
• A diz-se hermiteana ou herm´ıtica, se A = A∗, isto ´e, se a
ij = aji.
• A diz-se anti-hermiteana ou anti-herm´ıtica, se A = −A∗, isto ´e, se aij = −aji.
Exemplo 2.7. A matriz 3 2 + 3i 1 − i 2 − 3i −5 4 1 + i 4 1 ´ e herm´ıtica. A matriz 0 2 + 3i −i −2 + 3i 0 4 −i −4 0 ´ e anti-herm´ıtica.
A transconjuga¸c˜ao goza das seguintes propriedades, an´alogas `a da transposi¸c˜ao.
Propriedades da Transconjuga¸c˜ao
Para quaisquer matrizes A = (aij), B = (bij) ∈ Cm×n e qualquer escalar α ∈ C, tem-se: • (A∗)∗= A
• (A + B)∗= A∗+ B∗ • (αA)∗ = αA∗
2.2.4 Produto de matrizes
As opera¸c˜oes de adi¸c˜ao de matrizes e de multiplica¸c˜ao de uma matriz por um escalar s˜ao, de certa forma, muito naturais, isto ´e, “s˜ao aquilo que seria de esperar”. O mesmo n˜ao se passa, contudo, com o produto de matrizes, sobre o qual nos debru¸caremos nesta sec¸c˜ao.4.
Come¸camos por introduzir a seguinte defini¸c˜ao. 4
Defini¸c˜ao 2.13 (Matrizes encadeadas). Duas matrizes A e B (dadas por esta ordem) dizem-se encadeadas, se o n´umero de colunas de A for igual ao n´umero de linhas de B. Assim, Am×n e Bp×q s˜ao encadeadas se e s´o se n = p.
Defini¸c˜ao 2.14 (Produto de matrizes). Sejam Am×pe Bp×nduas matrizes encadeadas. Ent˜ao o produto da matriz A pela matriz B (por esta ordem) ´e uma matriz de ordem m×n, denotada por AB, e cujo elemento na posi¸c˜ao (i, j) (i = 1, . . . , m; j = 1, . . . , n) ´e definido pela f´ormula (AB)ij = ai1b1j+ ai2b2j+ · · · + aipbpj. (2.2) Note que para formar o elemento da linha i, coluna j, da matriz produto AB, se utilizam os elementos da linha i da matriz A e os elementos da coluna j da matriz B; os elementos “correspondentes”s˜ao multiplicados e somam-se os produtos resultantes.
Exemplo 2.8. Sejam A =1 2 3 1 1 −1 e B = 1 1 2 1 2 1 3 0 −1 1 4 2 .
Como A ´e uma matriz 2 × 3 e B ´e uma matriz 3 × 4, ´e poss´ıvel formar a matriz produto C = AB, a qual vai ser uma matriz de ordem 2 × 4. Para encontrar, por exemplo, o elemento situado na linha 2 e na coluna 3 de C = AB, seleccionamos a linha 2 de A,
1 1 −1 e a coluna 3 de B: 2 3 4 .
Se multiplicarmos os elementos correspondentes (primeiro com primeiro, segundo com segundo e terceiro com terceiro) e somarmos os produtos obtidos, vem
c23= 1 × 2 + 1 × 3 + (−1) × 4 = 2 + 3 − 4 = 1. Determine os restantes elementos da matriz AB e confira o seu resultado:
AB =2 6 20 7
4 1 1 −1
.
Exemplo 2.9. 1 2 3 1 0 −1 = 1 0 −1 2 0 −2 3 0 −3 .
O produto de um vector coluna m × 1 por um vector linha 1 × n resulta numa matriz m × n. Em particular, o produto de um vector n × 1 por um vector 1 × n resulta numa matriz quadrada de ordem n. Exemplo 2.10. 1 2 3 4 3 = 3 6 9 12 = 3 1 2 3 4 .
O produto de um vector coluna u por uma matriz 1 × 1 com elemento k resulta num vector coluna igual ao produto do escalar k por u. De modo an´alogo se vˆe que o produto de uma matriz 1 × 1 com elemento k por um vector linha v resulta num vector linha igual ao produto do escalar k pelo vector v.
Exemplo 2.11. 1 0 −1 1 2 3 = −2 .
O produto de um vector linha 1 × n por um vector coluna n × 1 origina uma matriz 1 × 1, a qual ´e, usualmente, identificada com o n´umero que a constitui, isto ´e, ´e usual escrevermos
1 0 −1 1 2 3 = −2. Exemplo 2.12. 5 6 7 8 1 2 3 4 =23 34 31 46 e 1 2 3 4 5 6 7 8 =19 22 43 50 .
O produto de matrizes n˜ao ´e comutativo. Mesmo que AB e BA estejam definidas e sejam matrizes da mesma ordem, n˜ao se tem, necessariamente, AB = BA.
Exemplo 2.13. 1 −1 1 −1 1 −1 1 −1 =0 0 0 0 .
Se AB = 0, n˜ao podemos concluir que A = 0 ou B = 0. Exemplo 2.14. Sejam A =1 1 1 1 , B =2 2 2 2 e C =3 1 1 3 . Ent˜ao, tem-se
AB =4 4 4 4
= AC, mas B 6= C.
Se A, B e C s˜ao matrizes dadas, tais que AB = AC, n˜ao podemos concluir que B = C (mesmo que tenhamos A 6= 0).
Acab´amos de constatar, atrav´es de exemplos, que algumas das propriedades usuais do produto de n´umeros, por exemplo, a comutatividade, a lei do anulamento do produto e a chamada lei do corte, n˜ao se “estendem”para o produto de matrizes. No entanto, s˜ao v´alidas algumas propriedades, que listamos de seguida.
Propriedades do Produto de Matrizes
Dadas matrizes A, B e C e um escalar α, tˆem-se as sguintes igualdades, desde que as opera¸c˜oes envolvidas estejam definidas:
Associatividade: (AB)C = A(BC)
Distributividade `a Esquerda: (A + B)C = AC + BC Distributividade `a Direita: A(B + C) = AB + AC Elemento Identidade : AI = I e IA = A.
Elemento Absorvente: A0 = 0 e 0A = 0.
Ordem Inversa da Transposta do Produto: (AB)T= BTAT Ordem Inversa da Transconjugada do Produto: (AB)∗ = B∗A∗. Associatividade Mista: α(AB) = (αA)B = A(αB)
As demonstra¸c˜oes destas propriedades seguem o esquema usual j´a usado para demonstrar outras propriedades de opera¸c˜oes com matrizes. Uma vez que se pretende estabelecer uma igualdade entre matrizes, teremos, primeiramente de mostrar que as matrizes em causa s˜ao da mesma ordem, provando, depois, que os elementos correspondentes s˜ao iguais. A t´ıtulo de exemplo, provemos que, sendo A uma matriz de tipo m × p e B uma matriz de tipo p × n (para que fa¸ca sentido efectuar o produto AB), se tem
(AB)T= BTAT.
Sendo A de tipo m × p e B de tipo p × n, a matriz AB ser´a uma matriz do tipo m × n e, portanto, (AB)T ser´a do tipo n × m. Mas, sendo A de tipo m × p, AT ser´a do tipo p × m; do mesmo modo, uma vez que B ´e do tipo p × n, BT ser´a do tipo n × p. Ent˜ao, a matriz BTAT ser´a, tal como (AB)T, uma matriz do tipo n × m. Vejamos agora que os elementos destas matrizes situados em posi¸c˜oes correspondentes, s˜ao iguais. Tem-se
((AB)T)ij = (AB)ji = p X k=1 ajkbki= p X k=1 bkiajk = p X k=1 (BT)ik(AT)kj = (BTAT)ij,
o que conclui a demonstra¸c˜ao. (Justifique as diversas passagens!) Nota: Tal como no caso da adi¸c˜ao, a associatividade do produto de matrizes permite-nos escrever ABC sem ambiguidade.
Produto de matrizes fraccionadas em blocos
Para efectuar o produto de duas matrizes, pode ser muito ´util, em certos casos, utilizar um m´etodo que consiste em considerar uma ou ambas as matrizes “fraccionadas”em sub-matrizes – que, neste contexto, s˜ao vulgarmente designadas por blocos – tal como se descreve a seguir.
Produto de Matrizes Fraccionadas
Suponhamos que duas matrizes A e B est˜ao fraccionadas em blocos como se indica abaixo:a
A = A11 A12 · · · A1r A21 A22 . . . A2r .. . ... . .. ... As1 As2 · · · Asr , B = B11 B12 · · · B1t B21 B22 . . . B2t .. . ... . .. ... Br1 Br2 · · · Brt .
Note-se que o n´umero de “colunas de blocos”de A ´e igual ao “n´umero de linhas de blocos”de B, que os blocos que formam cada linha de blocos tˆem todos o mesmo n´umero de linhas e que os blocos que formam cada coluna de blocos tˆem todos o mesmo n´umero de colunas; suponhamos, al´em disso, que o n´umero de linhas de cada bolco Aik ´e igual ao n´umero de colunas de cada bloco Bkj. Ent˜ao, o produto AB pode formar-se combinando os blocos exactamente da mesma forma como combinamos os escalares no produto usual. Isto ´e, o bloco na posi¸c˜ao (i, j) de AB pode ser obtido usando a seguinte f´ormula
Ai1B1j+ Ai2B2j+ · · · + AirBrj.
aAs linhas horizontais e verticais da matriz s˜ao linhas “imagin´arias”que nos ajudam a ver o fraccionamneto da matriz.
O resultado anterior decorre facilmente da forma como se efectua o produto de matrizes. Exemplo 2.15. Considerem-se as seguintes matrizes fraccionadas
A = 1 3 1 0 2 1 0 1 1 0 0 0 0 1 0 0 = C I I 0 , B = 1 0 0 0 0 1 0 0 1 3 1 3 2 1 2 1 = I 0 C C , onde C = 1 3 2 1
, I ´e a matriz identidade de ordem 2 e 0 a matriz nula de ordem 2. Ent˜ao, usando a multiplica¸c˜ao por blocos, o produto pode calcular-se muito facilmente:
AB = C I I 0 I 0 C C = 2C C I 0 = 2 6 1 3 4 2 2 1 1 0 0 0 0 1 0 0 ,
uma vez que
CI +IC = C +C = 2C, C0+IC = 0+C = C, I I +0C = I +0 = I, I0+0C = 0+0 = 0. O produto com matrizes fraccionadas em blocos ´e tamb´em usado, com frequˆencia, para estabelecer certos resultados.